博客
关于我
SWUST OJ 1099: 希尔排序算法实现
阅读量:653 次
发布时间:2019-03-15

本文共 691 字,大约阅读时间需要 2 分钟。

希尔排序算法实现

题目描述

编程实现希尔排序算法,按照非递减排序,测试数据为整数。

输入

第一行是待排序数据元素的个数n;

第二行是待排序的数据元素。

输出

一趟希尔排序后的结果。

样例输入

10

50 36 41 19 23 4 20 18 12 22

样例输出

4 20 18 12 22 50 36 41 19 23

思路

希尔排序是一种插入排序的方法,实际上是一种分组插入的方法。先定一个小于n的整数gap1作为第一个增量,把表的全部记录分成gap1个组,所有距离为gap1的倍数的记录放在同一个组中,在各组内进行直接插入排序;然后,取第二个增量gap2(<d1),重复上述的分组和排序,直至所取的增量gapt=1(gapt<gapt-1<…<gap2<gap1),即所有记录放在同一组中进行直接插入排序为止。

这里给出一个希尔排序的图片:

【实例】运用希尔排序将10个数9 1 2 5 7 4 8 6 3 5进行递增排序。

include <stdio.h>

int main(){

int n, data[1000], gap, temp, i;scanf("%d",&n);for(i=0; i

}

上述代码仅为参考,欢迎互联网的广大朋友们提出指正。

希尔排序的实现步骤

增量gap置初值,寻找序列长度n,令gap=n/2;

while循环直到gap≤0结束(因为是第一趟所以这步可以不用管)

① 根据条件进行插入排序(递增小在前大在后,递减则反之。)

② 减小增量(因为是第一趟所以这步可以不用管)

输出数据

注:以上代码仅供参考,实际实现时需根据具体需求调整参数。

转载地址:http://wimlz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>
opencv之模糊处理
查看>>
Opencv介绍及opencv3.0在 vs2010上的配置
查看>>